Đầu tư vào AI đang tăng nhanh trên toàn cầu, nhưng khả năng chuyển hóa khoản chi này thành hiệu quả tài chính thực tế vẫn là bài toán khó đối với nhiều doanh nghiệp. Theo TechRadar ngày 6/8/2026, chi tiêu cho AI trong năm nay được dự báo tăng 47% so với cùng kỳ, lên 2.590 tỷ USD. Dù vậy, chỉ 28% dự án AI tạo ra ROI có thể đo lường.

Theo TechRadar, nhiều doanh nghiệp đang đẩy nhanh triển khai để nắm bắt cơ hội từ AI, nhưng chưa đánh giá đầy đủ cách công nghệ này sẽ được tích hợp và vận hành trên nền tảng công nghệ hiện có, đặc biệt là hạ tầng lưu trữ dữ liệu.

AI thường được nhắc đến cùng năng lực tính toán, GPU hay tốc độ xử lý. Tuy nhiên, về bản chất, đây là một hệ thống phụ thuộc lớn vào dữ liệu. Khi AI chuyển từ giai đoạn thử nghiệm sang triển khai ở quy mô lớn, năng lực thu thập, lưu trữ, truy cập và quản trị dữ liệu trở thành yếu tố then chốt. Trong bối cảnh đó, hạ tầng lưu trữ không còn là hạng mục phụ trợ mà là nền tảng chiến lược quyết định hiệu quả đầu tư vào AI.

Trước đây, nhu cầu lưu trữ dữ liệu tương đối dễ dự báo và mô hình đầu tư theo kiểu “xây xong để đó” vẫn có thể vận hành. Nhưng trong kỷ nguyên AI, bối cảnh này đã thay đổi. Theo Internet Data Center (IDC), lượng dữ liệu được tạo ra trên toàn cầu hằng năm trong 5 năm tới dự kiến tăng hơn ba lần. Đến năm 2030, con số này có thể đạt 718 ZB (zettabyte).

Khối lượng công việc liên quan đến AI liên tục tạo ra dữ liệu mới, từ nhật ký hệ thống, metadata, dữ liệu đầu ra do AI tạo ra, đến các bản cập nhật mô hình và bộ dữ liệu huấn luyện. Nếu hạ tầng lưu trữ thiếu năng lực hoặc không phù hợp với tác vụ AI, các tài nguyên tính toán đắt đỏ như GPU có thể không được khai thác hết công suất, qua đó làm suy giảm ROI.

Một hướng đi được nhắc đến là lưu trữ phân tầng. Không phải mọi loại dữ liệu đều cần cùng một mức hiệu năng và chi phí. Dữ liệu được sử dụng thường xuyên cho huấn luyện và suy luận mô hình nên đặt trên hệ thống lưu trữ hiệu năng cao. Trong khi đó, dữ liệu lịch sử, dữ liệu đầu ra cần lưu trữ dài hạn hoặc hồ sơ phục vụ yêu cầu tuân thủ có thể chuyển sang các tầng lưu trữ chi phí thấp hơn.

Cách phân bổ này giúp doanh nghiệp cân bằng giữa hiệu năng và chi phí theo giá trị cũng như tần suất sử dụng dữ liệu. Đồng thời, doanh nghiệp vẫn duy trì được khả năng truy cập cần thiết cho quản trị, phát triển mô hình và các nhu cầu AI trong tương lai.

Yêu cầu pháp lý và tuân thủ cũng cần được đưa vào ngay từ giai đoạn đầu của kế hoạch AI. Các nội dung đáng chú ý gồm quy định bảo vệ dữ liệu cá nhân theo từng quốc gia, giới hạn trong việc sử dụng và truy cập dữ liệu, yêu cầu quản trị dữ liệu, minh bạch thông tin với doanh nghiệp có khách hàng ở nước ngoài, cũng như nghĩa vụ lưu trữ hồ sơ.

Trong nhiều trường hợp, thời gian lưu giữ dữ liệu huấn luyện và nhật ký mô hình có thể dài hơn dự tính ban đầu, khiến chiến lược lưu trữ dài hạn trở nên quan trọng hơn. Nếu chỉ xử lý các yêu cầu này ở giai đoạn muộn, chi phí và độ phức tạp có thể tăng mạnh.

TechRadar cho rằng ROI của AI không chỉ được quyết định bởi thuật toán hay ứng dụng. Yếu tố có tác động lớn hơn là khả năng lưu trữ và quản trị dữ liệu quy mô lớn một cách hiệu quả, đồng thời đáp ứng yêu cầu tuân thủ. Trong môi trường dữ liệu từ petabyte (PB) đến exabyte (EB), chênh lệch chi phí trên mỗi terabyte (TB) cũng có thể nhanh chóng trở thành gánh nặng tài chính đáng kể.

Vì vậy, doanh nghiệp cần dự báo nhu cầu dung lượng lưu trữ song song với kế hoạch đầu tư GPU, thay vì xem đây là hạng mục phát sinh sau cùng. Chiến lược hạ tầng dữ liệu cần được đưa vào ngay từ giai đoạn lập kế hoạch kinh doanh AI nếu doanh nghiệp muốn cải thiện khả năng tạo ROI.